基于多目標(biāo)遺傳算法(MOGA)的藥物提取條件優(yōu)化分析.pdf

1、在醫(yī)藥學(xué)領(lǐng)域中存在著大量的多目標(biāo)優(yōu)化問題，如藥物有效成分最優(yōu)提取條件、診斷試驗(yàn)最優(yōu)決策值等。經(jīng)典的多目標(biāo)進(jìn)化算法都是將多目標(biāo)問題轉(zhuǎn)換為一個(gè)或一系列的單目標(biāo)優(yōu)化問題，從而利用單目標(biāo)優(yōu)化方法來加以解決，但是這些方法都存在明顯的缺陷。在多目標(biāo)優(yōu)化中一個(gè)目標(biāo)的改善極可能使另一個(gè)目標(biāo)的性能降低，同時(shí)達(dá)到最優(yōu)是不可能的，而且各個(gè)目標(biāo)之間度量單位往往不同，對(duì)于多目標(biāo)問題解的優(yōu)劣性很難進(jìn)行客觀評(píng)價(jià)。所以，我們希望找到一組在考慮到所有目標(biāo)時(shí)，在搜索空間中

2、沒有其他的方案能優(yōu)于它，這樣的解方案集我們稱為Pareto最優(yōu)解集。Pareto最優(yōu)解集可以為決策者提供多種可供選擇的方案。
　　 多目標(biāo)遺傳算法(MOGA)是在基于Pareto方法的多目標(biāo)進(jìn)化算法中，最有代表性的一種，國(guó)外對(duì)其進(jìn)行了深入的研究并取得了卓越的成果，將其應(yīng)用于眾多的實(shí)際問題的多目標(biāo)優(yōu)化中，而在國(guó)內(nèi)有關(guān)于這方面的研究以及應(yīng)用都比較有限，尤其是在醫(yī)學(xué)領(lǐng)域，因此對(duì)具有代表性的多目標(biāo)遺傳算法(MOGA)進(jìn)行研究具有重要的意

3、義。
　　 本課題利用課題組成員英國(guó)Glasgow大學(xué)軟件工程師陳益開發(fā)的Matlab外掛SGALAB工具箱，來測(cè)試多目標(biāo)遺傳算法(MOGA)程序的可靠性，并研究其在醫(yī)藥領(lǐng)域中多目標(biāo)藥物提取條件優(yōu)化中的應(yīng)用。主要內(nèi)容有:
　　 第一部分、多目標(biāo)遺傳算法(MOGA)原理的概述。多目標(biāo)遺傳算法(MOGA)沿用了論文發(fā)表時(shí)的名稱，是第一個(gè)明確采用基于Pareto排序和小生境技術(shù)搜索Pareto最優(yōu)前沿，來提高種群多樣性，防止解

4、群過早收斂的方法。
　　 第二部分、多目標(biāo)遺傳算法(MOGA)的效果評(píng)價(jià)與程序測(cè)試。利用三個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)對(duì)程序進(jìn)行了測(cè)試，結(jié)果顯示:在自變量的取值范圍內(nèi)，MOGA搜索的目標(biāo)函數(shù)值與函數(shù)的解有較好的近似度，因此認(rèn)為程序可行，效果理想。
　　 第三部分、多目標(biāo)遺傳算法(MOGA)的探索性研究。利用多目標(biāo)遺傳算法(MOGA)分別進(jìn)行兩目標(biāo)、三目標(biāo)、四目標(biāo)的藥物提取條件的優(yōu)化分析。
　　 在兩目標(biāo)刺五加根及根莖中紫丁香苷

5、、刺五加苷E的提取工藝中，利用MOGA搜索使兩個(gè)目標(biāo)均較大時(shí)的提取條件是:10倍的76％的乙醇、提取時(shí)間2.3小時(shí)、提取次數(shù)3次，在此條件下刺紫丁香苷、刺五加苷E的提取率的平均水平能達(dá)到0.104％、0.086％。
　　 三目標(biāo)葛根素亞微乳制備工藝中，與原文中采用效應(yīng)面法優(yōu)化最佳工藝條件找到的最佳組合相比，MOGA搜索得到的結(jié)果優(yōu)于原文中的實(shí)驗(yàn)結(jié)果。對(duì)四目標(biāo)優(yōu)選清清顆粒提取工藝，原文采用多指標(biāo)綜合評(píng)分法優(yōu)化最佳工藝條件，和原文中